人工智能首次预测蛋白质“光学指纹”

记者从中国科大获悉,该校微尺度物质科学国家研究中心江俊教授与其合作者合作,通过利用人工智能机器学习中的神经网络技术,模拟了蛋白质肽键结构与性质之间的构效关系,大大降低了计算量,为预测蛋白质的光学特性提供了一种高效的工具。相关成果日前发表在《美国科学院院报》上。

蛋白质的光谱响应信号,尤其是紫外光谱,可以称之为蛋白质骨架的“指纹”。这个“光学指纹”,经过理论模拟的解读,可以揭示出精确的蛋白质结构,为生命科学和医学诊断提供极其重要的信息。

然而,蛋白质的结构极其复杂多变,需要做大量的高精度的量子化学理论计算。由于计算量太大,即使是最厉害的超级计算机也“吃不消”。所以蛋白质光谱的理论解读是一个长期的困难与挑战,限制了光谱的准确分析和蛋白质结构的发现。

研究人员首先在300K温度下通过分子动力学模拟以及量子化学计算,得到了五万组不同构型的肽键模型分子。通过机器学习算法筛选出键长、键角,二面角跟电荷信息作为描述符,通过神经网络来构建肽键基态结构与其激发态性质之间的构效关系。基于训练好的机器学习模型,预测出了肽键的基态偶极矩及激发态性质,最后预测出肽键的紫外吸收光谱。为了验证机器学习模型的鲁棒性,研究人员又基于300K的温度下得到的机器学习模型,预测出肽键在200K以及400K温度下的紫外吸收光谱,其结果与时间密度泛函理论计算结果达到很好的吻合。

这是人工智能技术首次用于理论计算预测蛋白质的光谱研究。通过理论计算得到大量数据,使用人工智能加以训练后,确立了机器学习模拟蛋白质肽键骨架紫外吸收光谱的可行性和优势,蛋白质的“光学指纹”解读也将会变得更加轻易和有效。

免责声明:凡本站注明 “来源:XXX(非商务新闻网)”的新闻稿件和图片作品,系本站转载自其它媒体,转载目的在于信息传递,并不代表本站赞同其观点和对其真实性负责 。